51Nod-1134-最长递增子序列
2017-08-29 21:47
281 查看
51Nod-1134-最长递增子序列
解题方法
本来用的是一般的动态规划来解此题,却发现数据过大,然后就超时了。后来在网上找到了时间复杂度只有O(NlgN)的算法。
该算法思路是这样子的。
定义列表B。
开始遍历给出的序列A中的每一个数,在遍历的同时,进行相关判断。
设当前在列表A中遍历到的值为a。
当列表B为空,则把a插入B中;
当a 大于 列表B的最后一个值时,则把a插入B中;
其他情况时,寻找列表B中某位置,使得B[pos-1]< a <=B[pos]成立,则B[pos]与a值交换。
最后列表B的长度就是最长递增子序列。
可以看看这一篇讲解了三种算法的博客——最长递增子序列
解题代码
1134 最长递增子序列 给出长度为N的数组,找出这个数组的最长递增子序列。(递增子序列是指,子序列的元素是递增的) 例如:5 1 6 8 2 4 5 10,最长递增子序列是1 2 4 5 10。 Input 第1行:1个数N,N为序列的长度(2 <= N <= 50000) 第2 - N + 1行:每行1个数,对应序列的元素(-10^9 <= S[i] <= 10^9) Output 输出最长递增子序列的长度。 Input示例 8 5 1 6 8 2 4 5 10 Output示例 5
解题方法
本来用的是一般的动态规划来解此题,却发现数据过大,然后就超时了。后来在网上找到了时间复杂度只有O(NlgN)的算法。
该算法思路是这样子的。
定义列表B。
B[len] 为长度为len的子序列的最小末尾数。
开始遍历给出的序列A中的每一个数,在遍历的同时,进行相关判断。
设当前在列表A中遍历到的值为a。
当列表B为空,则把a插入B中;
当a 大于 列表B的最后一个值时,则把a插入B中;
其他情况时,寻找列表B中某位置,使得B[pos-1]< a <=B[pos]成立,则B[pos]与a值交换。
最后列表B的长度就是最长递增子序列。
可以看看这一篇讲解了三种算法的博客——最长递增子序列
解题代码
#求最长递增序列的长度 def lcs(A): B = [] cnt = 0 for a in A: if not len(B) or a > B[cnt-1]: B.append(a) cnt += 1 else: pos = bisearch(B, len(B), a) B[pos] = a return cnt #二分法查找val值应该插入的位置 def bisearch(A, length, val): left, right = 0, length-1 while left <= right: mid = (left+right)>>1 if A[mid]>val: right = mid - 1 elif A[mid] < val: left = mid + 1 else: return mid return left while True: try: N = int(input()) A = [] for _ in range(N): A.append(int(input())) print(lcs(A)) except EOFError: break
相关文章推荐
- 51nod--1134 最长递增子序列
- 51nod 1134 最长递增子序列
- 51Nod-1134 最长递增子序列
- 51Nod 1134 最长递增子序列
- 51nod 1134 最长递增子序列
- 51Nod 1134 最长递增子序列
- 51nod 1134最长递增子序列
- 51nod 1134 最长递增子序列
- 51nod 1134 最长递增子序列
- 51nod 1134 最长递增子序列
- 51nod 1134 最长递增子序列
- 51Nod 1134 最长递增子序列
- 【51NOD-0】1134 最长递增子序列
- 【51nod】1134 最长递增子序列
- 51nod 1134 最长递增子序列
- 51 nod 1134 最长递增子序列
- 51nod 1134 最长递增子序列(动态规划)
- 51nod 最长递增子序列
- 51nod 1134 最长递增子序列(dp) 时间复杂度为O(nlogn)
- 51nod 1134 最长递增子序列(dp+二分)